当我比较的值不完全相同时，如何匹配两个不同的数据框？
我正在考虑使用merge()，但我不确定。
表1：
ID Value.1
10001 x
18273-9 y
12824/5/6/7 z
10283/5/9 d
表2：
ID Value.2
10001 a
18274 b
12826 c
10289 u
如何根据 ID 合并表 1 和表 2？
我会使用fuzzyjoin 包的哪个特定功能，尤其是在“/”和“-”的情况下？如何从 18273-9 扩展“-”大小写，以便 R 注册 18273 / 18274 / 18275 / ...？
【问题讨论】：
fuzzyjoin 包。
您可以编写一个函数，从包含“/”或“-”的字符串中提取相应的序列，并将它们重新组合成一个新的data.frame，如下所示：
df1 <- data.frame(ID=c("10001","18273-9","15273-8", "15170-4", "12824/5/6/7","10283/5/9"),
value=c("a","c","c", "d","k", "l"), stringsAsFactors = F)
df2 <- data.frame(ID=c("10001","18274","12826","10289"),
value=c("o","p","q","r"), stringsAsFactors = F)
doIt <- function(df){
listAsDF <- function(l) {
x <- stack(setNames(l, temp$value))
names(x) <- c("ID", "value")
return(x)
}
Base <- df[!grepl("\\/", df$ID) & !grepl("\\-", df$ID), ]
#1 cases when - present
temp <- df[grep("\\-", df$ID),]
temp <- listAsDF(lapply(strsplit(temp$ID, "-"), function(e) seq(e[1], paste0(strtrim(e[1], nchar(e[1])-1), e[2]), 1)))
Base <- rbind(Base, temp)
#2 cases when / present
temp <- df[grep("\\/", df$ID),]
temp <- listAsDF(lapply(strsplit(temp$ID, "/"), function(a) c(a[1], paste0(strtrim(a[1], nchar(a[1])-1), a[-1]))))
Base <- rbind(Base, temp)
return(Base)
}
然后你可以合并df2和df1：
merge(doIt(df1), df2, by = "ID", all.x = T)
希望这会有所帮助！
【讨论】：
setNames 为对象命名并返回对象本身，这就是我想要的，因为我需要堆栈函数中的名称。
strtrim 中的论点吗？我用谷歌搜索了一下，应该只有两个——strtrim(x, width)？太感谢了！！抱歉打扰了，我才刚开始。
strtrim 正在将字符串修剪到所需的宽度，就像您说的那样需要两个参数，如果您将代码分开，您会看到，这正是正在发生的事情。 x 是 e[1]/a[1] 和 width 是 nchar(e[1])-1/nchar(a[1])-1
您可以使用基础 R 中的模糊字符串匹配函数“agrep”。
df1 <- data.frame(ID=c("10001","18273-9","12824/5/6/7","10283/5/9"),
value=c("a","c","d","k"))
df2 <- data.frame(ID=c("10001","18274","12826","10289"),
value=c("o","p","q","r"))
apply(df1, 1, function(x) agrep(x["ID"], df2$ID, max = 3.5))
正如您所见，它很难找到第 4 行的匹配项。因此，在运行 agrep 之前清理您的 ID 变量（例如，取出“/”）可能是有意义的。
【讨论】：
一个选项可以包括提取您想要保留的 ID 格式。然后进行合并。
您可以按如下方式格式化您的 ID 列：
library(stringr)
library(dplyr)
如果你只想要任何符号之前的数字
Table1 %>% mutate(ID = str_extract("[0-9]*"))
如果要保留前5位数字的序列
Table1 %>% mutate(ID = str_extract("[0-9]{5}"))
这回答了您的第二个问题，但不使用 fuzzyjoin 包
【讨论】：